本文以车辆环境感知系统中的障碍物检测识别方法为研究对象,由于单传感器获取信息量必然存在一定的不足,本文采用机器视觉与毫米波雷达信息融合的技术路线实现车辆前方障碍物检测识别,主要工作有:(1)在分析毫米波雷达测量环境的基础上,以同车道最近准则作为雷达有效目标初选的依据。针对目标跟踪中系统噪声的统计特性未知或时变的问题,结合传统的Sage-Husa自适应滤波算法和平方根滤波思想,提出改进的线性自适应平方根卡尔曼滤波算法实现目标状态预估,仿真结果验证了算法的精确性和稳定性。在有效目标一致性检验的基础上,采用生命周期算法进行有效目标决策。(2)在传统SSD算法的网络模型中引入反卷积模块,从而充分利用网络的上下文信息,实验验证了改进算法的有效性。通过与其他不同算法的实验对比,验证了改进算法具有更高的精确率和更好的实时性。(3)建立毫米波雷达坐标系、摄像机坐标系、世界坐标系、图像坐标系、图像像素坐标系间的转换关系。利用张正友标定法求解摄像机内外参数和畸变参数,结合畸变校正公式对理想线性模型进行非线性畸变校正。在实现雷达和摄像机信息融合的基础上,将毫米波雷达探测到的目标投影至同步图像上并建立动态感兴趣区域。对比了有无雷达辅助下的障碍物检测识别算法,验证了本文提出的多传感器融合技术路线的有效性。